MétaCan
Menu
Retour à la cohorte
Enregistrement W4388288062 · doi:10.1002/cssc.202301425

Modulating Cation and Water Transports for Enhanced CO Electrolysis via Ionomer Coating

2023· article· en· W4388288062 sur OpenAlexafffund
Muflih A. Adnan, Shariful Kibria Nabil, Md Golam Kibria

Notice bibliographique

RevueChemSusChem · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Calgary
Organismes subventionnairesGovernment of CanadaCanada First Research Excellence FundUniversity of Calgary
Mots-clésIonomerCoatingElectrolysisElectrolysis of waterChemical engineeringMaterials scienceChemistryNanotechnologyElectrolyteElectrodeComposite materialPolymer

Résumé

récupéré en direct d'OpenAlex

Abstract Electrification of the chemical industry has been considered an enabler for energy transition on a massive scale. In this context, carbon monoxide electroreduction (COR) to produce multi‐carbon (C 2+ ) products is considered one of the forefront emerging technologies. The key challenge in COR comes from the excessive cation crossover to the cathode via electromigration and water diffusion, which limits CO availability and impedes product selectivity. Commercial anion exchange membrane (AEM) suppresses the electromigration of cations, however, suffers from water diffusion which facilitates cation crossover. Here, we tackled these problems emerging from cation crossover and water diffusion by directly depositing an ultrathin Nafion ionomer on the cathode (sputtered Cu) surface. Our approach enables full‐cell energy efficiency of 21 % for converting CO into ethylene (C 2 H 4 ) at 100 mA/cm 2 with over 200 hours of stable operation. We also exhibited record high energy efficiency for ethanol (C 2 H 5 OH) production with CO‐to‐C 2 H 5 OH electrolysis efficiency of 17 %. This approach to directly depositing ultrathin ionomer on the cathode to enhance system performance may benefit other electrochemical systems to overcome challenges associated with scalability, stability, and efficiency to produce high‐value chemicals.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,366

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemSusChemMême sujetFuel Cells and Related MaterialsTravaux en français237 207